Os autores apresentam o WebWorld, uma interface que permite a um Modelo Visão-Linguagem (VLM) interagir autonomamente com o navegador como um modelo de mundo determinístico para código web. Esta abordagem aborda a falha estrutural no autoaperfeiçoamento orientado por VLMs, onde o modelo avalia seus próprios reparos, introduzindo uma contraparte que não pode ser enganada.

  • O VLM emite críticas compiladas em contratos de interação, que o navegador reexecuta para emitir certificados de aceitação com base no progresso do alvo e na preservação da capacidade.
  • Transições certificadas acumulam-se como um catraca de qualidade usada para exportação de Ajuste Fino Supervisionado (SFT).
  • WebWorld-27B melhora o Raw-27B em 5,3 pontos no HTMLBench-400 e 14,9 pontos no MiniAppBench-Val.
  • O sistema atinge níveis de desempenho comparáveis aos do Kimi-K2.6 e GPT-5.4 na geração interativa de HTML.
  • Ablações confirmam que a admissão baseada em navegador é responsável pelos ganhos, pois remover o certificado faz com que o aumento desapareça quase completamente.

Este método fornece um rigoroso ciclo de verificação que garante que o código web realmente funcione sob as ações do usuário, em vez de apenas parecer visualmente plausível.